深入理解 Go 中的字符串

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第 4 天，点击查看活动详情。

字符串的本质

在编程语言中，字符串发挥着重要的角色。字符串背后的数据结构一般有两种类型：

• 一种在编译时指定长度，不能修改
• 一种具有动态的长度，可以修改。

比如：与Python 中的字符串一样，Go 语言中的字符串不能被修改，只能被访问。

在 Python 中，如果改变一个字符串的值会得到如下结果：

>>> hi = "Hello"
>>> hi
'Hello'
>>> hi[0] = 'h'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment
>>>

同理，在 Go 中也一样：

package main

import "fmt"

func main() {

	var hello = "Hello"
	hello[1] = 'h'

	fmt.Println(hello)
}

// # command-line-arguments
// string_in_go/main.go:8:11: cannot assign to hello[1] (strings are immutable)

字符串的终止方式有两种：

• 一种是 C 语言的隐式声明，以字符 “\0” 作为终止符
• 一种是 Go 语言的显式声明

Go 语言的 string 的表示结构如下：

type StringHeader struct {
  Data uintptr  // Data 指向底层的字符数组
  Len int  // Len 用来表示字符串的长度
}

字符串的本质上是一串字符数组，每个字符都在存储时对应了一个或多个整数。用这些整数来表示字符，比如打印 hello 的字节数组如下：

package main

import "fmt"

func main() {

	var hello = "Hello"
	for i := 0; i < len(hello); i++ {
		fmt.Printf("%x ", hello[i])
	}
}
// Output: 48 65 6c 6c 6f 

字符串的底层原理

字符串有特殊标识，有两种声明方式：

var s1 string = `hello world`
var s2 string = "hello world"

字符串常量在词法解析阶段最终会被标记为 StringLit 类型的 Token 并被传递到编译的下一个阶段。

在语法分析阶段，采取递归下降的方式读取 UTF-8 字符，单撇号或双引号是字符串的标识。分析的逻辑位于 syntax/scanner.go 文件中:

func (s *scanner) stdString() {
	ok := true
	s.nextch()

	for {
		if s.ch == '"' {
			s.nextch()
			break
		}
		if s.ch == '\\' {
			s.nextch()
			if !s.escape('"') {
				ok = false
			}
			continue
		}
		if s.ch == '\n' {
			s.errorf("newline in string")
			ok = false
			break
		}
		if s.ch < 0 {
			s.errorAtf(0, "string not terminated")
			ok = false
			break
		}
		s.nextch()
	}

	s.setLit(StringLit, ok)
}

func (s *scanner) rawString() {
	ok := true
	s.nextch()

	for {
		if s.ch == '`' {
			s.nextch()
			break
		}
		if s.ch < 0 {
			s.errorAtf(0, "string not terminated")
			ok = false
			break
		}
		s.nextch()
	}
	// We leave CRs in the string since they are part of the
	// literal (even though they are not part of the literal
	// value).

	s.setLit(StringLit, ok)
}

从上面的代码可以看到，Go 中有两种字符串的检查：一种是标准字符串以双引号定义 ""，如 "Hello,World", 还有一种是原始字符串，用 `` 定义的， 因此针对两种字符串有两种语法分析函数：

• 如果是单撇号，则调用 rawString 函数
• 如果是双引号，则调用 stdString 函数